16/7/2020 Penggunaan Python untuk Data Mining

BINA NUSANTARA School of Computer  

SCHOOL OF COMPUTER
SCHOOL SCIENCE
OF COMPUTER SCIENCE
People Innovation Excellence

Home Article Penggunaan Python untuk Data Mining

Penggunaan Python untuk Data Mining

Python adalah scripting language yang berorientasi objek. Bahasa pemrograman ini
dapat digunakan untuk pengembangan perangkat lunak dan bisa dijalankan melalui
berbagai sistem operasi. Saat ini, Python juga merupakan bahasa yang populer bagi
bidang data science dan analisis. Hal ini dikarenakan oleh dukungan bahasa Python
terhadap library – library yang didalamnya menyediakan fungsi analisis data dan
fungsi machine learning, data preprocessing tools, serta visualisasi data. Secara umum,
Python memiliki ciri-ciri sebagai berikut:

1. Banyak mendukung library

2. Bahasa yang relatif mudah dipahami
3. Memiliki aturan layout source code yang memudahkan pengecekan code
4. Bahasa yang interpreted karena code dieksekusi satu per satu dan melakukan
debugging lebih mudah dibandingkan dengan bahasa yang di-compile
5. Bahasa yang portable karena hanya code satu kali untuk menjalankan di
platform lain
6. Bahasa yang open-source. 

Berikut ini adalah beberapa alasan Python menjadi bahasa yang populer, khususnya
dalam ranah analisis data dan data science :

1. Ketersediaan akan open-source library, frameworks, tools untuk data mining,

contohnya adalah SciKit Learn, TensorFlow, Keras.
2. Relatif lebih mudah dipahami. Penulisan code di Python relatif lebih singkat
dibandingkan bahasa pemrograman yang
3. Multifungsi, tidak hanya untuk data processing, namun juga bisa untuk tugas
lain seperti membuat website dan tampilan GUI (Graphical User Interface).
https://socs.binus.ac.id/2018/11/16/penggunaan-python-untuk-data-mining/ 1/3
16/7/2020 Penggunaan Python untuk Data Mining

Dalam membuat sebuah proyek data mining dengan Python, dapat menggunakan
Anaconda,
SCHOOL dimana
OF COMPUTER
SCHOOL Anaconda
SCIENCE
OF COMPUTER SCIENCE telah menyediakan berbagai kelengkapan Python yang
lebih People
dikhususkan untuk kebutuhan analisis data. IDE (Integrated Development
Innovation Excellence

Enviroment) yang dapat digunakan antara lain Jupyter Notebook dengan extension
.ipynb yang sudah merupakan bawaan dari Anaconda Navigator atau dengan text
editor seperti Sublime, Notepad, Notepad++ dengan extension .py.

Berikut adalah contoh proses yang dilakukan oleh Python untuk proyek data mining
sederhana:

3. Data mentah, dapat diimpor ke Python dengan menggunakan library Library

ini mempunyai fungsi untuk mengimpor data dengan format csv ke Python.
4. Eksplorasi data dan data preprocessing dapat dilakukan dengan lebih mudah,
karena Python telah memiliki fungsi untuk melihat persebaran data dan
melakukan manipulasi data untuk handle data yang tidak sesuai. Dalam kasus
ini library yang berfungsi adalah sklearn (Sci – kit learn) dan NumPy. Untuk
visualisasi data, salah satu library yang terkenal adalah Matplotlib, dimana
dapat membuat visualisasi dari persebaran data termasuk plot dan chart.
5. Pembuatan model data mining dapat dilakukan dengan cepat dengan
tersedianya tur – tur machine learning yang cukup lengkap dari Sci – kit
learn. Setelah memilih metode yang diinginkan, dapat langsung
menggunakan fungsi didalam library yang Contoh metode yang tersedia
adalah neural network, decision tree, SVM, random forest, regression tree,
logistic regression. Tidak hanya Sci – kit learn, ada beberapa library lain yang
dapat digunakan seperti Keras, TensorFlow. Pembagian data testing dan
training juga dapat dilakukan dengan library mengikuti metode yang tersedia.
Contohnya adalah cross – validation.
6. Evaluasi model yang telah dibuat, seperti menghitung akurasi, spesi sitas,
sensitivitas, presisi, error rate dapat ditampilkan dengan mudah dengan
menggunakan fungsi classi cation_score yang tersedia pada Sci – kit learn.
Hanya dengan satu baris, seluruh komponen evaluasi akan ditampilkan.
Tidak hanya itu, fungsi pada Sci-kit learn juga dapat menampilkan confusion
matrix yang berisi nilai prediksi dan aktual yang dilakukan dari data testing.
7. Merepresentasikan hasil dari model dapat divisualisasikan dalam bentuk plot
ataupun hasil dalam bentuk web. Ketika permintaan penampilan hasil dalam
bentuk web, maka hasil dari model dapat disinkronkan karena Python juga
mendukung untuk pembuatan web. Selain itu, untuk menampilkan model,
dapat menggunakan library – library lain, contohnya adalah graphviz untuk
menampilkan decision tree.

Referensi

Han, J., Micheline Kamber, Jian Pei. 2011. Data Mining: Concepts and
Techniques. Massachusetts : Morgan
Sahrudin, AN., Kurniawan, T. 2018. Input dan Output dalam Python. Jurnal
Dasar Pemrograman    Python            STMIK,            Juni      2018.
http://www.academia.edu/36762577/Jurnal_Dasar_Pemrograman_Input_dan_
Output_dalam_ Python.

https://socs.binus.ac.id/2018/11/16/penggunaan-python-untuk-data-mining/ 2/3
16/7/2020 Penggunaan Python untuk Data Mining

Author          : Timothy Orvin Edwardo (1901456205)

Supervisor 
SCHOOL : Dewi
OF COMPUTER
SCHOOL Suryani
SCIENCE(D5878)
SCIENCE
OF COMPUTER
People Innovation Excellence

RELATED CONTENT

Pengenalan Activity dan Data Transform di Pegasystems 7

ANDROID LOST DEVICE TRACKER

SHARE THIS

School of Computer Science

BINUS UNIVERSITY

Copyright © BINUS UNIVERSITY. All rights reserved.

https://socs.binus.ac.id/2018/11/16/penggunaan-python-untuk-data-mining/ 3/3